GPT-6 Sol、Luna 发布：价格约减半，能力也升级了

这次更新，先看三个关键词：

价格约减半 · 能力升级 · 缓存降价

API 价格降至前代对应型号约一半，编程、专业工作和电脑操作等能力也有升级。

01｜三个型号，怎么区分？

结合官方定位，可以这样理解。右侧是可尝试的任务，不代表本文已经实测。

不必所有任务都从最高档开始。

可以先比较便宜型号的结果，再决定是否升级。

科研也是其中一种应用：例如测试 Luna 做文献分类，再比较 Sol、Astra 的论文分析表现。

02｜便宜多少？先看价格，再看算例

先看单价

下表对比的是 GPT-5.6 对应型号的促销价格与 GPT-6 新价格。

单位：美元／百万 tokens。

再换成一个直观的例子

单价不够直观？假设调用 1,000 次，每次输入 10,000 tokens，计费输出 1,000 tokens。

按固定 token 用量计算的费用对比，非实测账单

Sol：60 美元 → 30 美元，减少 50%。

Luna：3.20 美元 → 1.50 美元，减少约 53%。

算例未计缓存、工具及其他附加费用。真实任务的 token 用量也可能不同。

03｜能力怎么样？看结果，也看成本

软件工程：分差与成本放在一起看

先看软件工程评测 DeepSWE 1.1。官方公布的结果如下。

不同推理档位下的官方评测数据，非本文实测

Sol 与图中 Fable 5 相差 1.1 个百分点，单任务成本约低 80%。

这组结果的看点，不是 Sol 得分最高，而是能力与成本之间的取舍。

这是特定评测与推理档位下的对比，不能直接换算成所有工作的省钱比例。

其他能力，一张表看清

其他能力，可以集中看这张表。

评测成绩不等于你的实际使用结果。

推理档位、工具和测试环境，都会影响表现与成本。以上均非本文实测。

04｜缓存：重复的内容，可以少算一遍

假设你要处理一批文档，每次使用相同的规则和模板。

材料在变，前面的要求没有变。

满足缓存条件时，这段相同前缀可以复用已有计算，不必每次重新处理。

具体能省多少？

单位：美元／百万 tokens。

缓存读取只收普通输入的 10%，

≠ 整个任务便宜 90%。

未命中的内容、缓存写入和模型输出，仍然需要计费。

这次还增加了缓存看板、命中诊断，以及保留缓存的推理档位和工具调整方式。对反复使用同一套 Skill、处理大量材料的应用，这些控制值得关注。

05｜在哪里能用？使用条件集中看

入口与参数

使用入口按发布公告整理，参数以 API 文档为依据。

两个容易忽略的地方

注意一｜长上下文有加价。

输入超过 27.2 万 tokens 时，整个请求的输入与缓存费率按 2 倍计算，输出按 1.5 倍计算。

注意二｜额度重置，不是 API 余额。

Banked reset 是一次性 Codex 使用额度重置，不会永久提高订阅额度。是否获得、何时到期，可以在账户的“设置 → 使用情况”查看。

最后｜便宜是起点，做好任务才是目的

这次更新值得尝试的，不只是“新模型”，还有新的任务分工。

选一个经常做的任务，用相同材料比较结果、耗时和返工次数。

更便宜是起点，能把事情做好，才是最终的使用价值。